TY - RPRT A1 - Andratschke, Christin A1 - Ceullo, Laura A1 - Dawoud, Belal A1 - Draeger, Susan A1 - Gerdes, Thorsten A1 - Giebisch, Matthias A1 - Grießhammer, Peter A1 - Haas, Katharina A1 - Haug, Sonja A1 - Helling, Dominik A1 - Kominis, Lena A1 - Lang, Christian A1 - Malz, Sebastian A1 - Melzl, Johannes A1 - Michlbauer, David A1 - Mühlberger, Thomas A1 - Nagl, Klaus A1 - Preis, Michael A1 - Rechenauer, Christian A1 - Riederer, Michael A1 - Rückerl, Alexander A1 - Saller, Tobias A1 - Schnabl, Andreas A1 - Stadler, Michael A1 - Steffens, Oliver A1 - Steininger, Peter A1 - Stelzl, André A1 - Toutouly, Lovis A1 - Trauner, Matthias A1 - Vetter, Miriam A1 - Walbrunn, Johannes A1 - Weber, Karsten A1 - Zielbauer, Lukas ED - Steffens, Oliver T1 - MAGGIE: Energetische Modernisierung des genossenschaftlichen Wohnquartiers Margaretenau in Regensburg BT - Musterlösungen für solaroptimiertes Wohnen mit innovativen solaraktiven Baustoffen und einem KI-gestützten Energiemanagement für eine netzdienliche, emissionsarme Strom- und Wärmelogistik; Ergebnisbericht N2 - Im Projekt MAGGIE wurden für das genossenschaftliche historische Stadtquartier „Margaretenau“ in Regensburg Musterlösungen für energieoptimiertes Wohnen mit innovativen Wandaufbauten aus solaraktiven Baukonstruktionen und einer vorhersagebasierten Versorgungstechnologie erforscht. Dazu wurde ein bestehendes Wohngebäude als Demonstrations- und Versuchsobjekt mit einem neuartigen, besonders effizienten Hybridsystem aus Wärmepumpentechnologie und Kraft- Wärme-Kopplung ausgestattet und untersucht, ergänzt durch eine dynamische Wärmelogistik zur Verringerung von Verteilungsverlusten. Das System wurde durch ein neu entwickeltes, allgemein einsetzbares Planungs-, Optimierungs- und Steuerungstool ausgelegt und im Betrieb geregelt. Die in Echtzeit laufende Nachoptimierung des Systems während des Betriebs greift dabei auf reale Monitoringdaten zu. Die Einbindung von Nutzerbedarfsprofilen, Strombörse und Wetterdaten in die Steuerung gestattet einen dynamischen und perspektivischen Anlagenbetrieb zur Maximierung der Solar- und Umweltwärme-Anteile der Energieversorgung und leistet damit einen wirksamen Beitrag zu einem emissionsarmen, klimafreundlichen Gebäudebetrieb. Für die denkmalgerechte Modernisierung der historischen Fassaden wurde ein solaraktives und solaradaptives Außenputzsystem entwickelt und in der Realität getestet. Am Bestandsgebäude kam anstelle eines Wärmedämmverbundsystems ein innovativer Dämmputz mit Mikrohohlglaskugeln zum Einsatz. Die Skalierbarkeit erlaubt eine abschnittsweise Modernisierung des gesamten Ensembles über mehrere Jahre. Durch die hohe Energieeffizienz wird die Warmmiete für die Bewohner der genossenschaftlichen Siedlung durch die Modernisierungsmaßnahmen nicht erhöht, so dass auch nach der Modernisierung ein bezahlbares Wohnen sichergestellt wird. KW - Altbaumodernisierung KW - Energieeinsparung KW - Energiebewusstes Bauen KW - Haus Y1 - 2023 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:898-opus4-53354 SN - 978-3-96256-100-0 N1 - Gefördert durch einen Beschluss des Bundestages durch das Bundesministerium für Wirtschaft und Klimaschutz (BMWK); Projektlaufzeit Oktober 2017 bis Juni 2022; Förderkennzeichen 03SBE0007A–E N1 - korrigierte Version unter: https://doi.org/10.35096/othr/pub-5901 CY - Regensburg ER - TY - RPRT A1 - Andratschke, Christin A1 - Ceullo, Laura A1 - Dawoud, Belal A1 - Draeger, Susan A1 - Gerdes, Thorsten A1 - Giebisch, Matthias A1 - Grießhammer, Peter A1 - Haas, Katharina A1 - Haug, Sonja A1 - Helling, Dominik A1 - Kominis, Lena A1 - Lang, Christian A1 - Malz, Sebastian A1 - Melzl, Johannes A1 - Michlbauer, David A1 - Mühlberger, Thomas A1 - Nagl, Klaus A1 - Preis, Michael A1 - Rechenauer, Christian A1 - Riederer, Michael A1 - Rückerl, Alexander A1 - Saller, Tobias A1 - Schnabl, Andreas A1 - Stadler, Michael A1 - Steffens, Oliver A1 - Steininger, Peter A1 - Stelzl, André A1 - Toutouly, Lovis A1 - Trauner, Matthias A1 - Vetter, Miriam A1 - Walbrunn, Johannes A1 - Weber, Karsten A1 - Zielbauer, Lukas ED - Steffens, Oliver T1 - MAGGIE: Energetische Modernisierung des genossenschaftlichen Wohnquartiers Margaretenau in Regensburg BT - Musterlösungen für solaroptimiertes Wohnen mit innovativen solaraktiven Baustoffen und einem KI-gestützten Energiemanagement für eine netzdienliche, emissionsarme Strom- und Wärmelogistik; Ergebnisbericht N2 - Im Projekt MAGGIE wurden für das genossenschaftliche historische Stadtquartier „Margaretenau“ in Regensburg Musterlösungen für energieoptimiertes Wohnen mit innovativen Wandaufbauten aus solaraktiven Baukonstruktionen und einer vorhersagebasierten Versorgungstechnologie erforscht. Dazu wurde ein bestehendes Wohngebäude als Demonstrations- und Versuchsobjekt mit einem neuartigen, besonders effizienten Hybridsystem aus Wärmepumpentechnologie und Kraft- Wärme-Kopplung ausgestattet und untersucht, ergänzt durch eine dynamische Wärmelogistik zur Verringerung von Verteilungsverlusten. Das System wurde durch ein neu entwickeltes, allgemein einsetzbares Planungs-, Optimierungs- und Steuerungstool ausgelegt und im Betrieb geregelt. Die in Echtzeit laufende Nachoptimierung des Systems während des Betriebs greift dabei auf reale Monitoringdaten zu. Die Einbindung von Nutzerbedarfsprofilen, Strombörse und Wetterdaten in die Steuerung gestattet einen dynamischen und perspektivischen Anlagenbetrieb zur Maximierung der Solar- und Umweltwärme-Anteile der Energieversorgung und leistet damit einen wirksamen Beitrag zu einem emissionsarmen, klimafreundlichen Gebäudebetrieb. Für die denkmalgerechte Modernisierung der historischen Fassaden wurde ein solaraktives und solaradaptives Außenputzsystem entwickelt und in der Realität getestet. Am Bestandsgebäude kam anstelle eines Wärmedämmverbundsystems ein innovativer Dämmputz mit Mikrohohlglaskugeln zum Einsatz. Die Skalierbarkeit erlaubt eine abschnittsweise Modernisierung des gesamten Ensembles über mehrere Jahre. Durch die hohe Energieeffizienz wird die Warmmiete für die Bewohner der genossenschaftlichen Siedlung durch die Modernisierungsmaßnahmen nicht erhöht, so dass auch nach der Modernisierung ein bezahlbares Wohnen sichergestellt wird. KW - Altbaumodernisierung KW - Energieeinsparung KW - Energiebewusstes Bauen KW - Haus Y1 - 2023 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:898-opus4-59011 SN - 978-3-96256-100-0 N1 - Gefördert durch einen Beschluss des Bundestages durch das Bundesministerium für Wirtschaft und Klimaschutz (BMWK); Projektlaufzeit Oktober 2017 bis Juni 2022; Förderkennzeichen 03SBE0007A–E CY - Regensburg ER - TY - CHAP A1 - Lang, Christian A1 - Steinborn, Florian A1 - Steffens, Oliver A1 - Lang, Elmar Wolfgang T1 - Electricity Load Forecasting - An Evaluation of Simple 1D-CNN Network Structures T2 - International Conference on Time Series and Forecasting (ITISE 2019), Proceedings of Papers Vol. 2, 25-27 September 2019, Granada (Spain) N2 - This paper presents a convolutional neural network (CNN)which can be used for forecasting electricity load profiles 36 hours intothe future. In contrast to well established CNN architectures, the inputdata is one-dimensional. A parameter scanning of network parameters isconducted in order to gain information about the influence of the kernelsize, number of filters, and dense size. The results show that a goodforecast quality can already be achieved with basic CNN architectures.The method works not only for smooth sum loads of many hundredconsumers, but also for the load of apartment buildings KW - energy load forecasting KW - STLF KW - neural networks KW - CNN KW - con-volutional networks Y1 - 2019 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:898-opus4-16649 UR - https://arxiv.org/abs/1911.11536 UR - http://itise.ugr.es/ITISE2019_vol2.pdf SN - 978-84-17970-78-9 SP - 797 EP - 806 ER - TY - CHAP A1 - Lang, Christian A1 - Steinborn, Florian A1 - Steffens, Oliver A1 - Lang, Elmar Wolfgang ED - Valenzuela, O. ED - Rojas, F. ED - Herrera, L.J. ED - Pomares, H. ED - Rojas, I. T1 - Applying a 1D-CNN Network to Electricity Load Forecasting T2 - Theory and Applications of Time Series Analysis N2 - This paper presents a convolutional neural network (CNN) which can be used for forecasting electricity load profiles 36 hours into the future. In contrast to well established CNN architectures, the input data is one-dimensional. A parameter scanning of network parameters is conducted in order to gain information about the influence of the kernel size, number of filters and number of nodes. Furthermore, different dropout methods are applied to the CNN and are evaluated. The results show that a good forecast quality can already be achieved with basic CNN architectures, the dropout improves the forecast. The method works not only for smooth sum loads of many hundred consumers, but also for the load of single apartment buildings. KW - Energy load forecasting KW - STLF KW - Neural networks KW - CNN KW - Convolutional networks Y1 - 2020 U6 - https://doi.org/10.1007/978-3-030-56219-9_14 SP - 205 EP - 218 PB - Springer ER -